1. 为什么你的 AI Agent 只会“说”不会“做”很多人第一次接触 OpenClaw 时都会有一个疑问它跟普通聊天机器人到底差在哪答案就在“手脚”这两个字上。普通聊天机器人只能生成文字而 OpenClaw 是一个开源的 AI Agent 平台它能执行命令、操作文件、跑浏览器自动化、调外部 API甚至接入 Telegram、Discord 这类消息渠道。换句话说它不只是“嘴”还有“手”和“脚”。但问题也随之而来模型本身并不知道自己有哪些能力也不知道怎么把“我想搜索一下”变成一次真实的网络请求。这中间需要一套机制来衔接——Skills 负责声明“能做什么”Tools 负责“真正去做”而 Function Calling 就是两者之间的传动轴。如果这套链路没配好你的 Agent 就永远停留在“纸上谈兵”的阶段。这篇内容面向想让 AI Agent 真正动手的开发者聚焦 OpenClaw 中 Tools/Skills 与 Function Calling 的协作链路。我会给出config.toml与settings.json的可复制配置骨架演示通过 TaoToken 统一 Key/API 通道接入 OpenClaw 的完整步骤并附一次 Function Calling 触发验证动作确认手脚逻辑跑通。你不需要先成为 OpenClaw 源码专家跟着配置走一遍就能理解这套机制到底怎么转起来。2. 先把 TaoToken 的 Key 和通道准备好在动 OpenClaw 的配置之前得先解决模型调用通道的问题。OpenClaw 支持多种模型但如果你想让配置过程更统一、少折腾不同厂商的 Key 格式可以用 TaoToken 作为统一入口。它的作用是提供一个兼容 OpenAI 接口规范的 API 通道这样 OpenClaw 里所有跟模型对话、Function Calling 相关的请求都可以走同一套 Key 和 Base URL。你需要先拿到一个可用的 API Key。登录 TaoToken 官网后进入控制台创建 Key建议单独为 OpenClaw 建一个方便后续排查和轮换。创建完成后你会得到类似sk-xxxx的字符串这就是后面配置里要填的凭证。TaoToken 的 API 地址是https://taotoken.net/api注意这个地址不带任何查询参数直接作为 Base URL 使用。如果你在 OpenClaw 里配置的是 OpenAI 兼容模式通常需要填两个东西base_url和api_key。base_url 就填上面这个api_key 填你刚创建的那串。这里有个容易踩的坑有些人会把官网地址和 API 地址搞混。官网是https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content那是给人看的页面API 地址是https://taotoken.net/api那是给程序调用的。配置里必须用后者否则请求会打到网页上直接报错。另外如果你后续想验证模型对话是否正常可以直接用模型对话页面发一条消息测试如果打算长期跑编码类 Agent可以关注 Coding Plan 相关的入口。这些入口在配置阶段不是必须的但排障时会用到。3. OpenClaw 的 config.toml 与 settings.json 配置骨架OpenClaw 的配置通常分两层一层是config.toml负责模型通道、API Key、Base URL 这类全局设置另一层是settings.json负责 Agent 行为、工具开关、技能加载路径等。下面给出一份可复制的骨架你可以根据自己的目录结构调整。先看config.toml[model] provider openai-compatible base_url https://taotoken.net/api api_key sk-你的TaoTokenKey model_name gpt-4o-mini [agent] name openclaw-demo workspace ./workspace skills_dir ./skills enable_function_calling true [tools] enabled [shell, file, http, browser] max_tool_calls_per_turn 5这里的关键是provider设为openai-compatible因为 TaoToken 走的是兼容 OpenAI 的接口规范。base_url填https://taotoken.net/api不要加多余路径。model_name可以换成你实际想用的模型标识只要 TaoToken 那边支持即可。enable_function_calling必须为true否则模型不会返回结构化的工具调用请求。再看settings.json{ agent: { system_prompt: 你是一个可以调用工具的 AI Agent。当需要执行动作时优先使用已注册的 Tools。, skill_load_order: [workspace, managed, bundled, extra], compact_skill_paths: true }, tools: { shell: { enabled: true, timeout_ms: 10000 }, file: { enabled: true, allow_write: true }, http: { enabled: true, allowed_domains: [api.example.com] } }, function_calling: { strict_schema: true, return_tool_output_to_model: true } }skill_load_order决定了技能从哪些位置加载顺序越靠前优先级越高。compact_skill_paths对应 OpenClaw 源码里的路径压缩逻辑把用户主目录替换成~每个技能能省几个 Token技能多了之后对 System Prompt 的空间帮助很明显。strict_schema建议开启这样模型返回的工具调用参数会严格按 schema 校验减少执行阶段的意外。技能目录的结构也要对。每个技能是一个文件夹里面至少有一个SKILL.md例如skills/ web-search/ SKILL.mdSKILL.md里用 front matter 声明名称和描述--- name: web-search description: Use this skill to search the web --- 当用户需要查询实时信息时调用 http 工具发起搜索请求。OpenClaw 启动时会扫描这些目录把技能信息注入到给模型的 prompt 里让模型“知道有这些能力”。但注意技能本身不执行动作它只是声明。真正执行的是 Tools而触发执行的是 Function Calling。4. 跑一次 Function Calling 验证手脚是否打通配置写完之后不要急着上复杂任务先用一个最小动作验证链路。我一般会用一个“查当前时间”或“发一个 HTTP 请求”的工具调用来测试因为它的输入输出都很明确容易判断是哪一环出了问题。假设你在tools里启用了http并且技能目录里有一个声明了搜索能力的SKILL.md。启动 OpenClaw 后在对话里输入帮我请求 https://api.example.com/time 获取当前时间如果链路正常你会看到模型先返回一个结构化的工具调用请求类似{ tool_calls: [ { name: http, arguments: { method: GET, url: https://api.example.com/time } } ] }然后 OpenClaw 在应用端执行这个请求拿到结果后再把工具输出作为第二条消息发回给模型。模型收到结果后生成最终回复比如“当前时间是 2025-01-01 12:00:00”。这个过程就是 Function Calling 的标准五步发请求、收调用、执行代码、回传输出、收最终响应。如果你在日志里看到tool_calls为空或者模型直接编了一个时间而没发起调用那说明技能声明或工具注册没生效。检查SKILL.md的name是否和tools.enabled里的名称对得上以及enable_function_calling是否为true。验证成功后你可以把max_tool_calls_per_turn调大一点测试多步调用。比如让 Agent 先搜索、再读取文件、再写入结果观察它是否能连续发起多次工具调用。这一步跑通说明“手脚逻辑”已经真正转起来了。5. 本篇常见错排查从 401 到工具不触发配置过程中最容易遇到几类问题这里按现象列一下排查方向。第一类是 401 或 403。通常是api_key填错或者base_url写成了官网地址。确认config.toml里base_url是https://taotoken.net/apiKey 是控制台里创建的那串没有多余空格。如果 Key 刚创建稍等几秒再试有时候权限同步有延迟。第二类是模型有回复但从不触发工具调用。先看enable_function_calling是否为true再看SKILL.md是否被正确加载。OpenClaw 加载技能有优先级workspace最高如果你把技能放在别的目录但没在skill_load_order里声明它就不会被扫描到。另外strict_schema开启后如果工具 schema 定义有误模型可能因为校验失败而放弃调用可以先临时关掉它定位问题。第三类是工具调用返回了但执行报错。比如shell工具超时或者http工具的目标域名不在allowed_domains里。这类错误一般会在日志里带出具体原因按提示调整timeout_ms或域名白名单即可。file工具如果allow_write为false写入操作会被拒绝但读取通常不受影响。第四类是技能路径太长导致 Token 消耗异常。OpenClaw 有compactSkillPaths优化把/Users/xxx/...压缩成~/...每个技能省 5-6 个 Token。如果你加载了上百个技能不开这个选项System Prompt 会明显变长。在settings.json里把compact_skill_paths设为true即可。如果排障时不确定是通道问题还是配置问题可以先用模型对话页面单独发一条消息确认 TaoToken 的 Key 和通道本身是通的。通道没问题再回头查 OpenClaw 侧的配置。接入文档里对参数有更细的说明遇到拿不准的字段可以对照看。6. 把 Key 和通道固定下来再谈 Agent 长大OpenClaw 的“手脚”逻辑说到底就是三件事Skills 声明能力Tools 提供执行体Function Calling 把模型的意图翻译成结构化调用。这三者缺一个Agent 就动不起来。而在这之上模型通道的稳定性决定了整套链路能不能持续跑。用 TaoToken 统一 Key 和 API 通道的好处是你不需要为每个模型单独维护一套凭证配置里只改model_name就能切换排障时也只需要盯一个 Base URL。如果你已经跑通了上面的验证动作下一步可以试着把max_tool_calls_per_turn调大加入更多技能目录观察 Agent 在多步任务里的表现。长期跑编码类或自动化类 Agent 的话可以了解 Coding Plan 相关的方案把调用成本和并发能力一起考虑进去。需要创建新 Key 或查看用量时控制台和 API Keys 页面是常去的地方。通道固定了手脚才敢放开跑。